Teljes körű OCR folyamat Keras és TensorFlow segítségével

Mi a Keras-OCR API?

A Keras-OCR egy magas szintű, nyílt forráskódú Python könyvtár, amelyet az optikai karakterfelismerési (OCR) feladatok egyszerűsítésére terveztek a Keras és a TensorFlow segítségével. A hagyományos OCR rendszerekkel ellentétben, amelyek kiterjedt konfigurációt igényelnek, a Keras-OCR egy teljes körű folyamatot kínál előre betanított modellekkel mind a szövegészleléshez (a CRAFT algoritmus segítségével), mind a szövegfelismeréshez (egy CRNN modellen keresztül). Ez a kombináció lehetővé teszi a fejlesztők számára, hogy néhány sornyi kóddal szöveget nyerjenek ki képekből, szkennelt dokumentumokból vagy akár kézírásos jegyzetekből.

A könyvtár valós felhasználási esetekre van optimalizálva, például:

• Dokumentumok digitalizálása: Papírdokumentumok vagy PDF-ek átalakítása kereshető szöveggé.
• Automatizált adatbevitel: Szöveg kinyerése számlákból, nyugtákból vagy űrlapokból.
• Akadálymentesítő eszközök: Alternatív szöveg generálása képekhez webalkalmazásokban.
• Közösségi média elemzés: Szöveg feldolgozása mémekben vagy felhasználó által generált tartalmakban.

A beépített kötegelt feldolgozás és az opcionális GPU-gyorsítás támogatásával a Keras-OCR egyensúlyt teremt a könnyű használat és a teljesítmény között, így ideális választás mind prototípuskészítéshez, mind termelési környezetben való használathoz.

GitHub statisztika

Név:
Nyelv:
Csillagok:
Villák:
Engedély:
Az adattár legutóbbi frissítése:

A Keras-OCR főbb jellemzői

• Előre betanított modellek: Tartalmazza a CRAFT (érzékelő) és a CRNN (felismerő) modelleket azonnali használatra.
• Egyszerű beállítás: Minimális függőségek (Keras, TensorFlow, OpenCV).
• Kötegelt feldolgozás: Több kép párhuzamos feldolgozása a hatékonyság érdekében.
• Testreszabott betanítás: Modellek finomhangolása saját adathalmazokon.
• GPU nem szükséges: CPU-n is fut, de GPU-val gyorsabb.
• Határolókeret kimenet: Szöveget ad vissza koordinátákkal térbeli elemzéshez.
• Nyílt forráskódú: Ingyenes, közösség által vezérelt és MIT licenc alatt áll.

Telepítés

Telepítse a Keras-OCR-t pip segítségével (Python 3.6+ szükséges):

pip install keras-ocr

GPU támogatáshoz győződjön meg arról, hogy a TensorFlow GPU-val van telepítve:

pip install tensorflow-gpu

Kódpéldák

Az alábbiakban gyakorlati példák láthatók szöveg kinyerésére képekből a Keras-OCR segítségével.

1. példa: Alapszintű szövegészlelés és -felismerés

Ez a példa bemutatja, hogyan használható az előre betanított folyamat szöveg kinyerésére egy képből:

import keras_ocr

pipeline = keras_ocr.pipeline.Pipeline()
images = ["receipt.jpg"]
predictions = pipeline.recognize(images)
print(predictions)

2. példa: Kötegelt feldolgozás

Több kép feldolgozása egyszerre a hatékonyság érdekében:

import keras_ocr

pipeline = keras_ocr.pipeline.Pipeline()
images = ["image1.jpg", "image2.jpg", "image3.jpg"]
batch_predictions = pipeline.recognize(images)
for prediction in batch_predictions:
    print(prediction)

3. példa: Határolókeretek megjelenítése

Az észlelt szövegkeretek rajzolása az eredeti képre:

import matplotlib.pyplot as plt
import keras_ocr

pipeline = keras_ocr.pipeline.Pipeline()
image = keras_ocr.tools.read("document.jpg")
predictions = pipeline.recognize([image])
keras_ocr.tools.drawAnnotations(image, predictions[0])
plt.imshow(image)
plt.show()

Összegzés

A Keras-OCR leegyszerűsíti a szövegkinyerést a készen használható folyamatával, így kiváló választás a fejlesztők számára, akik gyors, pontos OCR-ra van szükségük bonyolult beállítás nélkül. A Keras és TensorFlow integrációja lehetővé teszi a testreszabást, míg a kötegelt feldolgozás biztosítja a skálázhatóságot.

Legyen szó dokumentumszkennerekről, automatizált adatbevitelről vagy közösségi média tartalmak elemzéséről, a Keras-OCR egy könnyű, de hatékony megoldást kínál.

Hasonló Termékek